JP2006106813A - State determination system and state determination device - Google Patents
State determination system and state determination device Download PDFInfo
- Publication number
- JP2006106813A JP2006106813A JP2004288328A JP2004288328A JP2006106813A JP 2006106813 A JP2006106813 A JP 2006106813A JP 2004288328 A JP2004288328 A JP 2004288328A JP 2004288328 A JP2004288328 A JP 2004288328A JP 2006106813 A JP2006106813 A JP 2006106813A
- Authority
- JP
- Japan
- Prior art keywords
- calculating
- value
- trend
- occurrence
- state determination
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Abstract
Description
本発明は、生活上の状態を判定するシステム、およびこのシステムで使用される状態判定装置に関するものである。 The present invention relates to a system for determining a life state and a state determination device used in the system.
近年、一人暮らしの高齢者世帯の増加に伴い、独居高齢者をターゲットとした異常検知システム、監視システムのニーズが高まっている。これらのシステムには、日頃の被験者の生活行動を検知する機器からの応答履歴だけを単純に参照するものや、被験者の居場所を検知して行動内容の推定を行い、その推定結果から、当該被験者の生活パターンを抽出し、そのパターンと評価日の検知結果の差を評価するものなど、様々なものが存在する。 In recent years, with the increasing number of elderly households living alone, the need for an anomaly detection system and monitoring system targeting single elderly persons is increasing. These systems simply refer to response histories from devices that detect daily behavior of the subject, or detect the subject's whereabouts and estimate the content of the behavior. There are various types, such as extracting a daily life pattern and evaluating the difference between the pattern and the detection result of the evaluation date.
例えば、特許文献１のシステムでは、被験者の移動速度、角速度、位置などの時系列変化データの周波数成分をフーリエ変換またはウェーブレット変換してその特徴量を算出し、それらの組み合わせから特定の行動パターンを認識するようにしている。また特許文献２の判定方法では、人の行動に対する各種センサ出力の時系列データから、たとえば正規分布における標準偏差などの統計パラメータを算出して、生活行動パターンデータを取得し、取得した生活行動のパターンと今日の行動検知結果の差異から被験者の異常度を判定するようにしている。
しかしながら、従来のシステムでは、異常とは判定されないような軽微な生活習慣の変化が、漸次的に継続するような場合には、その変化が継続した結果もたらされる異常の発生を検知することができない。例えば生活習慣病などは上記のような、軽微かつ、漸次的な変化の結果もたらされる異常と考えられている。 However, in a conventional system, when a slight change in lifestyle habits that cannot be determined to be abnormal continues gradually, it is impossible to detect the occurrence of an abnormality resulting from the continued change. . For example, lifestyle-related diseases are considered to be abnormalities resulting from the slight and gradual changes described above.
また、特許文献１、２のいずれのシステムにおいても、日々の生活行動における変化は検知できるが、日々の生活行動変化検知において「正常」と判定される程度の軽微な変化の経年的な蓄積による異常発生については、検知することができない。
Moreover, in any of the systems disclosed in
特に、高齢者の場合には、生活習慣の悪化が機能低下や活力低下へとつながる場合が多いため、日々の生活における瞬時的な異常の他に、経年的な緩やかな変化が異常へとつながるような場合も、的確に生活動作の異常を指摘できるようにするのが望ましい。 In particular, in elderly people, deterioration of lifestyle habits often leads to functional decline and vitality, so in addition to instantaneous abnormalities in daily life, gradual changes over time lead to abnormalities. In such cases, it is desirable to be able to accurately point out abnormalities in daily activities.
そこで本発明では、従来の検出システムでは不可能である、異常とは判定されないような軽微な生活動作の変化が、漸次的に継続する場合にも対応可能な状態判定システムおよび状態判定装置を提案することを課題とする。 Therefore, the present invention proposes a state determination system and a state determination device that can cope with a case where a slight change in daily activities that cannot be determined as abnormal, which is impossible with a conventional detection system, continues gradually. The task is to do.
請求項１の発明に係る状態判定システムは、被験体の動作を検知する動作検知手段と、該動作検知手段の検知結果から前記被験体の状態を推定する状態推定手段を有し、該状態推定手段からの推定結果をもとに、前記被験体の生活の変化を判定する状態判定システムにおいて、前記推定結果をもとに所定の状態が生起したかを判別する生起判別手段と、前記状態の生起に関するパラメータの値を履歴情報として格納する履歴情報格納手段と、該履歴情報における前記パラメータの値の傾向を算出する傾向算出手段と、該傾向算出手段の算出結果をもとに、前記被験体の生活の変化を判定する変化判定手段とを有する、ことを特徴とする。 The state determination system according to the first aspect of the present invention includes a motion detection unit that detects the motion of the subject, and a state estimation unit that estimates the state of the subject from the detection result of the motion detection unit. In the state determination system for determining a change in the life of the subject based on the estimation result from the means, occurrence determination means for determining whether a predetermined state has occurred based on the estimation result, and Based on the calculation result of the history information storage means for storing the parameter value relating to the occurrence as history information, the trend calculation means for calculating the tendency of the parameter value in the history information, and the calculation result of the trend calculation means And a change judging means for judging a change in life of the person.
請求項２の発明は前記請求項１に係る状態判定システムにおいて、前記履歴情報格納手段は、前記生起に関するパラメータの値として、該生起の時刻を表す生起時間を格納する、ことを特徴とする。 According to a second aspect of the present invention, in the state determination system according to the first aspect, the history information storage means stores an occurrence time representing a time of occurrence as a parameter value relating to the occurrence.
請求項３の発明は前記請求項１または２の何れかに係る状態判定システムにおいて、前記傾向算出手段は、所定期間における前記パラメータの値の集合から時間軸に対する前記パラメータの値の遷移傾向を表す傾向直線を算出する手段を有する、ことを特徴とする。 According to a third aspect of the present invention, in the state determination system according to the first or second aspect, the tendency calculating means represents a transition tendency of the parameter value with respect to a time axis from a set of the parameter value in a predetermined period. It has the means to calculate a tendency straight line, It is characterized by the above-mentioned.
請求項４の発明は前記請求項３に係る状態判定システムにおいて、前記傾向算出手段は、最小二乗法を用いて傾向直線を算出する手段を有する、ことを特徴とする。 According to a fourth aspect of the present invention, in the state determination system according to the third aspect, the tendency calculating means includes means for calculating a trend straight line using a least square method.
請求項５の発明は前記請求項３または４の何れかに係る状態判定システムにおいて、前記変化判定手段は、前記傾向直線をもとに前記被験体の生活の変化を判定する基準となる許容領域を算出し、判定対象日における前記パラメータの値が該許容領域内に含まれるかどうかによって前記被験体の生活の変化を判定する、ことを特徴とする。 According to a fifth aspect of the present invention, in the state determination system according to the third or fourth aspect, the change determination unit is an allowable region that serves as a reference for determining a change in the life of the subject based on the trend line. And a change in the life of the subject is determined based on whether or not the value of the parameter on the determination target date is included in the allowable region.
請求項６の発明は前記請求項５に係る状態判定システムにおいて、前記傾向算出手段により算出した傾向の特性を特徴量として抽出し、該特徴量をもとに前記傾向直線および／もしくは前記許容領域を修正する情報を算出する修正情報算出手段をさらに有する、ことを特徴とする。 According to a sixth aspect of the present invention, in the state determination system according to the fifth aspect, the characteristic of the tendency calculated by the tendency calculating means is extracted as a feature amount, and the tendency straight line and / or the allowable region is based on the feature amount. It further has a correction information calculation means for calculating information for correcting.
請求項７の発明は前記請求項６に係る状態判定システムにおいて、前記修正情報算出手段は、前記傾向直線に関する特徴量を算出する手段と、該特徴量に関する情報を履歴として格納する手段と、該履歴情報をもとに前記特徴量の時間軸方向における遷移傾向を表す特性曲線を算出する手段と、該特性曲線をもとに前記被験体の生活傾向が異常かどうかを判定する異常判定手段とを有し、該異常判定手段により異常と判定されたときに前記傾向直線および／もしくは前記許容領域を修正する情報を算出する、ことを特徴とする。 According to a seventh aspect of the present invention, in the state determination system according to the sixth aspect, the correction information calculation means includes a means for calculating a feature quantity relating to the trend line, a means for storing information relating to the feature quantity as a history, Means for calculating a characteristic curve representing a transition tendency of the feature amount in the time axis direction based on history information; and an abnormality determining means for determining whether the life tendency of the subject is abnormal based on the characteristic curve; And the information for correcting the trend line and / or the allowable region is calculated when it is determined that the abnormality is detected by the abnormality determining means.
請求項８の発明は前記請求項７に係る状態判定システムにおいて、前記異常判定手段は、該特性曲線における変化量および閾値の関係から異常かどうかを判定する、ことを特徴とする。 According to an eighth aspect of the present invention, in the state determination system according to the seventh aspect, the abnormality determination unit determines whether or not there is an abnormality from a relationship between a change amount and a threshold value in the characteristic curve.
請求項９の発明は前記請求項１ないし４の何れか一項に係る状態判定システムにおいて、前記傾向直線に関する特徴量を算出する特徴量算出手段と、該特徴量に関する情報を履歴として格納する特徴量格納手段と、該履歴情報をもとに前記特徴量の時間軸方向における遷移傾向を表す特性曲線を算出する特性曲線算出手段と、該特性曲線をもとに前記被験体の生活傾向が異常かどうかを判定する異常判定手段とをさらに有する、ことを特徴とする。 A ninth aspect of the present invention is the state determination system according to any one of the first to fourth aspects, wherein the feature amount calculating means for calculating the feature amount relating to the trend line and the information relating to the feature amount are stored as a history. An amount storage means, a characteristic curve calculation means for calculating a characteristic curve representing a transition tendency of the feature quantity in the time axis direction based on the history information, and the life tendency of the subject based on the characteristic curve is abnormal And an abnormality determining means for determining whether or not.
請求項１０の発明は前記請求項９に係る状態判定システムにおいて、前記異常判定手段は、該特性曲線における変化量および閾値の関係から異常かどうかを判定する、ことを特徴とする。 A tenth aspect of the present invention is the state determination system according to the ninth aspect, wherein the abnormality determination means determines whether or not there is an abnormality from a relationship between a change amount and a threshold value in the characteristic curve.
請求項１１の発明は前記請求項１ないし１０の何れか一項に係る状態判定システムにおいて、前記履歴情報格納手段は、前記生起に関するパラメータの値を履歴情報として格納する第１の格納手段と、該第１の格納手段によって格納された履歴情報から算出タイミングを含む一定期間内の前記パラメータの値を順次抽出するとともに抽出した値の集合から当該算出タイミングにおける当該パラメータの平準化値を順次算出する平準化値算出手段と、該平準化値算出手段によって算出された平準化値を履歴情報として格納する第２の格納手段を備え、前記傾向算出手段は、前記第２の格納手段に格納された履歴情報をもとに前記パラメータの値の傾向を算出する、ことを特徴とする。
The invention of claim 11 is the state determination system according to any one of
請求項１２の発明は前記請求項１１に係る状態判定システムにおいて、前記パラメータ値算出手段は、前記集合の重心となる値を求め、この値を当該パラメータの平準化値として算出する、ことを特徴とする。 According to a twelfth aspect of the present invention, in the state determination system according to the eleventh aspect, the parameter value calculation means obtains a value that is a center of gravity of the set, and calculates this value as a leveling value of the parameter. And
請求項１３の発明は前記請求項１１または１２の何れかに係る状態判定システムにおいて、前記パラメータの値が生起時間である場合、前記第２の格納手段は、タイムスケール上における前記生起時間の発生回数を計数する手段と、前記タイムスケール上において前記生起時間の発生回数が密集している時間帯を前記パラメータ値の算出に用いる前記一定期間として検出する手段と、検出された時間帯内に含まれる各生起時間とその発生回数から前記パラメータ値を算出する手段とを有する、ことを特徴とする。 According to a thirteenth aspect of the present invention, in the state determination system according to the eleventh or twelfth aspect, when the value of the parameter is an occurrence time, the second storage means generates the occurrence time on a time scale. Means for counting the number of times, means for detecting a time zone in which the occurrence times of the occurrence times are concentrated on the time scale as the fixed period used for calculating the parameter value, and included in the detected time zone Means for calculating the parameter value from each occurrence time and the number of occurrences thereof.
請求項１４の発明に係る状態判定装置では、被験体の動作を検知する手段の検知結果から前記被験体の状態を推定する状態推定手段を有し、該状態推定手段からの推定結果をもとに、前記被験体の生活の変化を判定する状態判定装置において、前記推定結果をもとに所定の状態が生起したかを判別する生起判別手段と、前記状態の生起に関するパラメータの値を履歴情報として格納する履歴情報格納手段と、該履歴情報における前記パラメータの値の傾向を算出する傾向算出手段と、該傾向算出手段の算出結果をもとに、前記被験体の生活の変化を判定する変化判定手段とを有する、ことを特徴とする。 The state determination apparatus according to the fourteenth aspect of the invention has state estimation means for estimating the state of the subject from the detection result of the means for detecting the motion of the subject, and based on the estimation result from the state estimation means Further, in the state determination device for determining a change in the life of the subject, occurrence determination means for determining whether a predetermined state has occurred based on the estimation result, and values of parameters relating to the occurrence of the state as history information As a history information storage means for storing, a trend calculation means for calculating a tendency of the parameter value in the history information, and a change for determining a change in the life of the subject based on a calculation result of the trend calculation means And determining means.
請求項１５の発明は前記請求項１４に係る状態判定装置において、前記履歴情報格納手段は、前記生起に関するパラメータの値として、該生起の時刻を表す生起時間を格納する、ことを特徴とする。 According to a fifteenth aspect of the present invention, in the state determination apparatus according to the fourteenth aspect, the history information storage means stores an occurrence time representing the occurrence time as a parameter value relating to the occurrence.
請求項１６の発明は前記請求項１４または１５の何れかに係る状態判定装置において、前記傾向算出手段は、所定期間における前記パラメータの値の集合から時間軸に対する前記パラメータの値の遷移傾向を表す傾向直線を算出する手段を有する、ことを特徴とする。 According to a sixteenth aspect of the present invention, in the state determination device according to the fourteenth or fifteenth aspect, the tendency calculating means represents a transition tendency of the parameter value with respect to a time axis from a set of the parameter value over a predetermined period. It has the means to calculate a tendency straight line, It is characterized by the above-mentioned.
請求項１７の発明は前記請求項１６に係る状態判定装置において、前記傾向算出手段は、最小二乗法を用いて傾向直線を算出する手段を有する、ことを特徴とする。 According to a seventeenth aspect of the present invention, in the state determination apparatus according to the sixteenth aspect, the tendency calculating means includes means for calculating a tendency straight line using a least square method.
請求項１８の発明は前記請求項１６または１７の何れかに係る状態判定装置において、前記変化判定手段は、前記傾向直線をもとに前記被験体の生活の変化を判定する基準となる許容領域を算出し、判定対象日における前記パラメータの値が該許容領域内に含まれるかどうかによって前記被験体の生活の変化を判定する、ことを特徴とする。
The invention according to claim 18 is the state determination device according to
請求項１９の発明は前記請求項１８に係る状態判定装置において、前記傾向算出手段により算出した傾向の特性を特徴量として抽出し、該特徴量をもとに前記傾向直線および／もしくは前記許容領域を修正する情報を算出する修正情報算出手段をさらに有する、ことを特徴とする。 According to a nineteenth aspect of the present invention, in the state determination apparatus according to the eighteenth aspect, the characteristic of the tendency calculated by the tendency calculating means is extracted as a feature amount, and the trend straight line and / or the allowable region is based on the feature amount. It further has a correction information calculation means for calculating information for correcting.
請求項２０の発明は前記請求項１９に係る状態判定装置において、前記修正情報算出手段は、前記傾向直線に関する特徴量を算出する手段と、該特徴量に関する情報を履歴として格納する手段と、該履歴情報をもとに前記特徴量の時間軸方向における遷移傾向を表す特性曲線を算出する手段と、該特性曲線をもとに前記被験体の生活傾向が異常かどうかを判定する異常判定手段とを有し、該異常判定手段により異常と判定されたときに前記傾向直線および／もしくは前記許容領域を修正する情報を算出する、ことを特徴とする。 According to a twentieth aspect of the present invention, in the state determination apparatus according to the nineteenth aspect, the correction information calculation unit includes a unit that calculates a feature amount related to the trend line, a unit that stores information about the feature amount as a history, Means for calculating a characteristic curve representing a transition tendency of the feature amount in the time axis direction based on history information; and an abnormality determining means for determining whether the life tendency of the subject is abnormal based on the characteristic curve; And the information for correcting the trend line and / or the allowable region is calculated when it is determined that the abnormality is detected by the abnormality determining means.
請求項２１の発明は前記請求項２０に係る状態判定装置において、前記異常判定手段は、該特性曲線における変化量および閾値の関係から異常かどうかを判定する、ことを特徴とする。 According to a twenty-first aspect of the present invention, in the state determination device according to the twenty-second aspect, the abnormality determining means determines whether or not there is an abnormality from a relationship between a change amount and a threshold value in the characteristic curve.
請求項２２の発明は前記請求項１４ないし１７の何れか一項に係る状態判定装置において、前記傾向直線に関する特徴量を算出する特徴量算出手段と、該特徴量に関する情報を履歴として格納する特徴量格納手段と、該履歴情報をもとに前記特徴量の時間軸方向における遷移傾向を表す特性曲線を算出する特性曲線算出手段と、該特性曲線をもとに前記被験体の生活傾向が異常かどうかを判定する異常判定手段とをさらに有する、ことを特徴とする。 According to a twenty-second aspect of the present invention, in the state determination device according to any one of the fourteenth to seventeenth aspects, a feature amount calculating unit that calculates a feature amount relating to the trend line, and information relating to the feature amount are stored as a history. An amount storage means, a characteristic curve calculation means for calculating a characteristic curve representing a transition tendency of the feature quantity in the time axis direction based on the history information, and the life tendency of the subject based on the characteristic curve is abnormal And an abnormality determining means for determining whether or not.
請求項２３の発明は前記請求項２２に係る状態判定装置において、前記異常判定手段は、該特性曲線における変化量および閾値の関係から異常かどうかを判定する、ことを特徴とする。 According to a twenty-third aspect of the present invention, in the state determination device according to the twenty-second aspect, the abnormality determining unit determines whether or not there is an abnormality from a relationship between a change amount and a threshold value in the characteristic curve.
請求項２４の発明は前記請求項１４ないし２３の何れか一項に係る状態判定装置において、前記履歴情報格納手段は、前記生起に関するパラメータの値を履歴情報として格納する第１の格納手段と、該第１の格納手段によって格納された履歴情報から算出タイミングを含む一定期間内の前記パラメータの値を順次抽出するとともに抽出した値の集合から当該算出タイミングにおける当該パラメータの平準化値を順次算出する平準化値算出手段と、該平準化値算出手段によって算出された平準化値を履歴情報として格納する第２の格納手段を備え、前記傾向算出手段は、前記第２の格納手段に格納された履歴情報をもとに前記パラメータの値の傾向を算出する、ことを特徴とする。 According to a twenty-fourth aspect of the present invention, in the state determination apparatus according to any one of the fourteenth to twenty-third aspects, the history information storage means stores first parameter values relating to the occurrence as history information; The parameter values within a certain period including the calculation timing are sequentially extracted from the history information stored by the first storage means, and the leveled values of the parameters at the calculation timing are sequentially calculated from the set of extracted values. A leveling value calculating unit; and a second storing unit that stores the leveling value calculated by the leveling value calculating unit as history information. The trend calculating unit is stored in the second storing unit. A tendency of the parameter value is calculated based on history information.
請求項２５の発明は前記請求項２４に係る状態判定装置において、前記パラメータ値算出手段は、前記集合の重心となる値を求め、この値を当該パラメータの平準化値として算出する、ことを特徴とする。 According to a twenty-fifth aspect of the present invention, in the state determination device according to the twenty-fourth aspect, the parameter value calculating means obtains a value that is a center of gravity of the set, and calculates this value as a leveling value of the parameter. And
請求項２６の発明は前記請求項２４または２５の何れかに係る状態判定装置において、前記パラメータの値が生起時間である場合、前記第２の格納手段は、タイムスケール上における前記生起時間の発生回数を計数する手段と、前記タイムスケール上において前記生起時間の発生回数が密集している時間帯を前記パラメータ値の算出に用いる前記一定期間として検出する手段と、検出された時間帯内に含まれる各生起時間とその発生回数から前記パラメータ値を算出する手段とを有する、ことを特徴とする。 According to a twenty-sixth aspect of the present invention, in the state determination device according to the twenty-fourth or twenty-fifth aspect, when the parameter value is an occurrence time, the second storage means generates the occurrence time on a time scale. Means for counting the number of times, means for detecting a time zone in which the occurrence times of the occurrence times are concentrated on the time scale as the fixed period used for calculating the parameter value, and included in the detected time zone Means for calculating the parameter value from each occurrence time and the number of occurrences thereof.
請求項１の発明によれば、ある状態（たとえば、起床、食事、入浴、就寝、等）の生起の履歴を、その時刻（たとえば、食事の時刻）、回数（たとえば食事の回数）等、その状態に関するパラメータの値の履歴として蓄積し、蓄積した値の傾向から被験体の生活状態の変化を判定するものであるから、瞬時的には小さな変化であっても長期に亘って継続すると一定の生活状態の変化へとつながるような場合にも、その変化を的確に判定することができる。 According to the first aspect of the present invention, the history of occurrence of a certain state (for example, wake-up, meal, bathing, bedtime, etc.), the time (for example, the time of meal), the number of times (for example, the number of meals), etc. It is accumulated as a history of parameter values related to the state, and changes in the living state of the subject are judged from the tendency of the accumulated values. Even when it leads to a change in living conditions, the change can be accurately determined.
ここで、状態に関するパラメータは、最も典型的には、請求項２に記載のように、その状態が生起した時刻とすることができる。この場合、たとえば、食事の時刻が遅くなりつつあるといったような生活状態の変化傾向を、パラメータを時刻（生起の時間など）として捉え、その時刻の変化傾向として把握することができる。
Here, the parameter relating to the state can be most typically the time when the state occurs as described in
具体的には、請求項３の発明のように、履歴情報から生起時間の傾向を算出する際に、傾向直線を算出することで、生起時間の傾向を簡易かつ明確に把握することができる。なお、請求項４の発明のように、傾向直線を算出する際に、最小二乗法を用いて算出することができる。 Specifically, as in the third aspect of the invention, when calculating the trend of occurrence time from the history information, it is possible to easily and clearly grasp the trend of occurrence time by calculating a trend line. As in the invention of claim 4, when calculating the trend line, it can be calculated using the least square method.
さらに、請求項５の発明のように、被験体の生活の変化を判定するために基準となる許容領域を算出し、判定対象日におけるパラメータの値が前記許容領域内に含まれるかどうかで、生活の変化についての判定を行うことができる。 Furthermore, as in the invention of claim 5, calculating a tolerance range that serves as a reference for determining a change in the life of the subject, and whether or not the value of the parameter in the determination target date is included in the tolerance range, Judgment can be made about changes in life.
なお、かかる判定においては、請求項６の発明のように、傾向算出手段によって算出された傾向の特性をもとに、生活変化の判定基準となる傾向直線および許容領域を修正した上で、判定対象日に対する判定を行うようにしても良い。このとき、たとえば、パラメータの値が含まれにくくなるよう傾向直線および許容領域を修正すれば、異常として判定される確率が高くなり、被験体に生活改善に向けた動機付けを提供することができる。 In this determination, as in the invention of claim 6, the determination is made after correcting the trend straight line and the allowable area which are the determination criteria of the life change based on the characteristic of the trend calculated by the trend calculating means. You may make it perform determination with respect to an object day. At this time, for example, if the trend line and the allowable region are corrected so that the parameter value is less likely to be included, the probability of being determined as abnormal increases, and the subject can be provided with motivation for improving their lives. .
なお、かかる修正を行うための修正情報算出手段は、請求項７の発明にように、傾向直線に関する特徴量を算出する手段と、該特徴量に関する情報を履歴として格納する手段と、該履歴情報をもとに前記特徴量の時間軸方向における遷移傾向を表す特性曲線を算出する手段と、該特性曲線をもとに前記被験体の生活傾向が異常かどうかを判定する手段とを備え、この異常判定手段が異常と判定したときに、傾向直線および許容領域を修正するよう構成することができる。ここで、異常判定手段は、請求項８の発明のように、上記特性曲線の変化量および閾値の関係から異常を判定するようにすることができる。 The correction information calculation means for performing such correction includes a means for calculating a feature quantity relating to a trend line, a means for storing information relating to the feature quantity as a history, and the history information. And a means for calculating a characteristic curve representing a transition tendency of the feature amount in the time axis direction, and a means for determining whether or not the life tendency of the subject is abnormal based on the characteristic curve. When the abnormality determining means determines that there is an abnormality, the trend line and the allowable area can be corrected. Here, the abnormality determination means can determine abnormality from the relationship between the amount of change of the characteristic curve and the threshold, as in the invention of claim 8.
請求項９および請求項１０の発明は、傾向直線の特徴量の履歴から特性曲線を算出し、該特性曲線をもとに被験体の生活傾向が異常かどうかを判定する局面を発明として把握したものである。ここで、異常かどうかの判定結果は、上記請求項７の発明のような利用形態、すなわち傾向直線と許容領域の修正のために用いることができる他、監視システム（外部サーバ、等）への提供等、様々な局面にて利用できる。
The inventions of claim 9 and claim 10 have grasped as an aspect that the characteristic curve is calculated from the history of the characteristic amount of the trend line and whether or not the subject's life tendency is abnormal is determined based on the characteristic curve. Is. Here, the determination result of whether or not there is an abnormality can be used for correcting the usage form as in the invention of
請求項１１の発明によれば、第１の格納手段によって格納された履歴情報から算出タイミングを含む一定期間内の前記パラメータの値を順次抽出するとともに抽出した値の集合から当該算出タイミングにおける当該パラメータの平準化値を順次算出し、算出した平準化値の履歴情報からパラメータの傾向を算出するものであるから、実測されたパラメータの値が正常レベルからかけ離れているような場合にも、傾向算出手段にて用いるパラメータの値（平準化値）を正常レベルからかけ離れない程度の範囲内に収めることができる。その結果、傾向算出手段によって算出される傾向が、正常レベルからかけ離れたパラメータ値（実測値）によって大きな影響を受けるのを回避することができ、よって、傾向特性の安定化を図ることができる。 According to the eleventh aspect of the present invention, the parameter values within a certain period including the calculation timing are sequentially extracted from the history information stored by the first storage means, and the parameter at the calculation timing is extracted from the set of extracted values. Since the parameter values are calculated from the calculated leveling value history information, the trend calculation is performed even when the measured parameter values are far from the normal level. The parameter values (leveling values) used in the means can be kept within a range that does not deviate from the normal level. As a result, it is possible to avoid that the tendency calculated by the tendency calculating means is greatly influenced by the parameter value (actually measured value) far from the normal level, so that the tendency characteristic can be stabilized.
ここで、傾向算出手段にて用いる平準化値の算出は、請求項１２の発明のように、重心の概念を使用して行うことができる。これにより、バランスのよいパラメータ値を母集合の代表とすることができる。 Here, the leveling value used by the trend calculating means can be calculated using the concept of the center of gravity as in the invention of claim 12. Thereby, a well-balanced parameter value can be used as a representative of the population.
さらに、パラメータの値が生起時間である場合、請求項１１または１２の発明におけるパラメータ値の集合は、請求項１３の発明のようにして特定することができる。すなわち、タイムスケール上における各タイミングにおいて、過去に生起時間が発生した回数が密集しているところを上記一定期間として特定する。この場合、判定対象日における生起時間が突発的に平常と大きく異なる時間となったとしても、この生起時間は、上記一定期間から外れるか、一定期間に入ったとしても発生回数は小さなものとなるため、その影響を大きく受けることなく生起時間を決定できる。また、このように、ある程度長期的な視野で被験体の変化を参酌しつつ生起時間を算出することにより、各日間の生起時間の脈動を低減化でき、平滑化を図ることができる。 Further, when the parameter value is the occurrence time, the set of parameter values in the invention of claim 11 or 12 can be specified as in the invention of claim 13. That is, at each timing on the time scale, a place where the number of occurrence times in the past is concentrated is specified as the certain period. In this case, even if the occurrence time on the determination target day suddenly becomes a time greatly different from the normal time, the occurrence time will be small even if the occurrence time is out of the predetermined period or enters the predetermined period. Therefore, the occurrence time can be determined without being greatly affected by the influence. In addition, by calculating the occurrence time while taking into account the change of the subject with a certain long-term field of view, the pulsation of the occurrence time of each day can be reduced and smoothing can be achieved.
請求項１４ないし２６の発明は、請求項１ないし１３のシステムに使用される状態判定装置を発明として把握したものである。よって、これらの発明は、上記請求項１ないし１３の発明と同様の効果を奏することができる。
The inventions of
本発明の意義ないし効果は、以下に示す実施の形態の説明により更に明らかとなろう。
ただし、以下の実施の形態は、あくまでも、本発明の一つの実施形態であって、本発明ないし各構成要件の用語の意義は、以下の実施の形態に記載されたものに制限されるものではない。
The significance or effect of the present invention will become more apparent from the following description of embodiments.
However, the following embodiment is merely one embodiment of the present invention, and the meaning of the terminology of the present invention or each constituent element is not limited to that described in the following embodiment. Absent.
以下、本発明の実施の形態につき図面を参照して説明する。なお、本実施の形態では、日常の生活動作パターンを算出し、このパターンと本日の動作推定結果を比較して、本日の生活動作に関して異常があるかどうかの判定を行うことを“日常変化判定”と呼ぶこととする。また、比較的長期期間において、この日常の生活動作パターンの変化の傾向を判定し、日常の生活動作が異常に向かっていないかどうかの判定を行うことを“経時変化判定”と呼ぶこととする。 Embodiments of the present invention will be described below with reference to the drawings. In the present embodiment, the daily life motion pattern is calculated, and this pattern is compared with today's motion estimation result to determine whether there is an abnormality in the current life motion. ". In addition, determining the tendency of changes in daily life movement patterns over a relatively long period of time and determining whether or not daily life movements are heading abnormally will be referred to as “aging change determination”. .
本実施の形態では、日常変化判定を行う一方で、経時変化判定結果を行い、漸次的な生活動作の変化を判定する。そして、経時変化判定にて日常の動作が異常に向かっていると判定された場合に、その判定結果を日常変化判定に還元し、日常変化判定にて異常の判定結果が出易いようにする。この判定結果から、被験者に生活動作を改善する方向への動機付けを提供し、その結果、被験者の生活動作を規範化することができる。
In the present embodiment, the daily change determination is performed, while the temporal change determination result is performed to determine a gradual change in daily activities. Then, when it is determined that the daily operation is toward abnormality in the temporal change determination, the determination result is reduced to the daily change determination so that the abnormality determination result is easily obtained in the daily change determination. From this determination result, it is possible to provide the subject with motivation in the direction of improving the life movement, and as a result, the life movement of the subject can be normalized.
[実施形態１]
まず、図１に実施の形態１に係るシステムブロック図を示す。図示のように、本システムは、生活動作センシング部１０とサーバ１００を有する。
[Embodiment 1]
First, FIG. 1 shows a system block diagram according to the first embodiment. As shown in the figure, this system includes a daily
生活動作センシング部１０は、家電住設機器１１に取り付けられた家電住設機器動作取得部１２、被験者の存在を検知する存在検知センサー１３、被験者の動作を検知する動作検知センサー１４、などからなる。
The living
サーバ１００には、生活動作センシング部１０からの出力結果を用いて本日の被験者の生活動作を推定する生活動作推定部１０１、過去に推定された生活動作が格納されている生活動作データベース１０２、生活動作データベース１０２中に格納される生活動作について生起時間（後述）を確定する生起時間確定部１０３、生起時間確定部１０３で確定された生起時間を、動作毎に時系列で格納する生起時間格納部１０４、各生起時間についての時間方向の傾向を示す直線または曲線を算出する傾向線算出部１０５、前記傾向直線と生起時間の最大値・最小値により確定する許容領域を算出する許容領域算出部１０６、本日の生活動作の生起時間が上記許容領域に含まれるかどうかを判定することにより当該被験者の、日常の生活動作に異常とされるべき変化がないか判断する日常変化判定部１０７が含まれる。なお、本実施形態では傾向線算出部１０５においては各生起時間についての時間方向の傾向を示す直線を算出する。
The
また、サーバ１００には、上記傾向線算出部１０５によって算出された傾向直線からその傾きや切片など、当該被験者の生活動作の経時変化に関わる特性情報を算出し、格納する特性算出格納部１０８、経時変化判定のための閾値１０９、前記算出した特性と閾値１０９の比較により、被験者に将来異常が発生しうるかどうか、長期レベルにおける被験者の生活動作の変化の有無の判断を行う経時変化判定部１１０、経時変化判定により将来異常が発生しうると予測した場合に、異常発生を回避するように日常変化判定の基準たる前記許容領域の補正を行うための情報を算出する補正情報算出部１１１、その補正情報を蓄積する生活動作規範データベース１１２が含まれている。さらに、日常変化判定部１０７による判定結果および経時変化判定部１１０による判定結果などが格納される判定結果格納部１１３と、これら判定結果を出力する結果出力部１１４、閾値１０９などを設定するパラメータ変更部１１５、例えば時計などで構成される各部に時間情報を送出するタイマー１１６を含む。
Further, the
次に、図２に本実施形態に係るシステムの動作フロー図を示す。 Next, FIG. 2 shows an operation flowchart of the system according to the present embodiment.
本実施形態では、推定された各生活動作における日常変化判定、経時変化判定の動作は夜間に実行される。すなわち、図２における、ステップＳ２０１〜ステップＳ２１３は夜間に実行される。一方、生活動作の推定は１分毎に行い（動作推定結果取得周期＝１分）、その結果は随時生活動作データベース１０２へ格納される。よって、ステップＳ１０１、ステップＳ１０２は１分毎に実行される。なお、ステップＳ１０１、ステップＳ１０２は日常変化判定、経時変化判定のフローが実行されている際も、１分毎に並行に独立で実行される。
In the present embodiment, the daily change determination and the temporal change determination operation in each estimated life movement are performed at night. That is, step S201 to step S213 in FIG. 2 are executed at night. On the other hand, the daily movement is estimated every minute (movement estimation result acquisition cycle = 1 minute), and the result is stored in the
まず、このステップＳ１０１、ステップＳ１０２について説明する。 First, step S101 and step S102 will be described.
図２を参照して、ステップＳ１０１では、生活動作センシング部１０からの検知結果をもとに生活動作推定部１０１が被験者の生活動作推定を行う。なお、ステップＳ１０１はタイマー１１６からの時間情報により１分毎に実行される。
With reference to FIG. 2, in step S <b> 101, the living action estimating unit 101 estimates the living action of the subject based on the detection result from the living
ステップＳ１０２では、ステップＳ１０１での推定結果とそれに付随する情報を生活動作データベースへ格納する。 In step S102, the estimation result in step S101 and information associated therewith are stored in the living action database.
生活動作データベースには、例えば、図３に示すように、主に毎分毎の推定された生活動作が推定時間と共に格納されている。縦軸方向は時間、横軸方向は食事や移動などの推定された生活動作である。なお、横軸には付随的な情報が含まれる場合があってもよい。同図の各マトリクス中の値は、その１分間における生活動作（推定結果）の割合（％）である。例えば、図３における７時５分では、食事、トイレおよび移動が各々２０％、４０％、４０％の時間比率にて推定されている。よって、その１分間に食事、トイレおよび移動の各生活動作に要した時間は各々０．２分、０．４分、０．４分と推定される。 In the daily activity database, for example, as shown in FIG. 3, the daily activity estimated every minute is stored together with the estimated time. The vertical axis direction is the time, and the horizontal axis direction is the estimated daily activities such as eating and moving. The horizontal axis may include accompanying information. The value in each matrix in the figure is the ratio (%) of the daily activity (estimated result) in that minute. For example, at 7: 5 in FIG. 3, meals, toilets, and movements are estimated at 20%, 40%, and 40% time ratios, respectively. Therefore, it is estimated that the time required for the daily activities of meal, toilet, and movement in one minute is 0.2 minutes, 0.4 minutes, and 0.4 minutes, respectively.
なお、この動作推定結果を取得する周期が１分というのは例示である。この周期は、例えば、１０秒など１分以下であってもよい。 Note that the period for obtaining the motion estimation result is one minute. This period may be 1 minute or less, for example, 10 seconds.
次に、ステップＳ２０１〜ステップＳ２１３について説明する。ここでは、被験者の生活動作のうち「食事」を例にとって説明する。 Next, step S201 to step S213 will be described. Here, “meal” is described as an example of the daily activities of the subject.
図２を参照して、ステップＳ２０１では、まず図３に示す生活動作データベースから「食事」の項目の１日分（２４時間分）のデータ群が参照される。そして、このデータ群から割合が零でない集合が抽出され、各集合の時間帯から「食事」の生起時間が算出される。また、生起回数（1日あたりの生起時間の出現回数）も算出される。この集合抽出の際に、小集合が短時間、例えば１時間の範囲内に複数存在する場合は、最初の集合の開始時間（「食事」の項目の割合が、生活動作データベースにおいて零でなくなる時間）から１時間以内に存在する集合は一つとみなして生起時間を算出する。この１時間の期間は変更可能である。なお、この生起時間の最小単位は分であり、これらの作業は生起時間確定部１０３で行われる。
Referring to FIG. 2, in step S201, first, a data group for one day (24 hours) of the item “meal” is referred to from the living action database shown in FIG. Then, a set whose ratio is not zero is extracted from this data group, and the occurrence time of “meal” is calculated from the time zone of each set. In addition, the number of occurrences (number of occurrences of occurrence time per day) is also calculated. At the time of this set extraction, if there are a plurality of small sets within a short time, for example, 1 hour, the start time of the first set (the time when the ratio of the item “meal” is not zero in the daily activity database ) And the occurrence time is calculated assuming that there is only one set within one hour. This one hour period can be changed. The minimum unit of the occurrence time is minutes, and these operations are performed by the occurrence
図４（ａ）は時間帯と「食事」の時間の占有割合の関係を例示するものである。同図を参照して、７時５分から７時９分にかけて、一つの集合が存在している。当該一つの集合内において、生起時間を算出する際に重心の概念を導入する。すなわち、当該「食事」の各分毎の占有割合を成分として時間軸方向における重心位置を算出し、その重心位置の位置する時間（分単位）を生起時間とする。同図（ａ）では、重心位置が７時７分の範囲に位置しているので、この場合の生起時間は７時７分となる。なお、当日の生起時間を算出する際に、上記重心の概念を導入して算出した結果に、さらに過去の一定期間内における各日の生起時間を参酌して再演算してもよい。この場合、当該過去の一定期間内における各日の生起時間は生起時間格納部１０４から読み出される。これについては、後で述べる。
FIG. 4A illustrates the relationship between the time zone and the occupation ratio of the “meal” time. Referring to the figure, one set exists from 7: 5 to 7: 9. In the one set, the concept of the center of gravity is introduced when calculating the occurrence time. That is, the position of the center of gravity in the time axis direction is calculated using the occupation ratio for each minute of the “meal” as a component, and the time (in minutes) at which the position of the center of gravity is located is defined as the occurrence time. In FIG. 9A, the center of gravity is located in the range of 7: 7, so the occurrence time in this case is 7: 7. When calculating the occurrence time of the day, recalculation may be performed in consideration of the occurrence time of each day within a certain past period in the result calculated by introducing the concept of the center of gravity. In this case, the occurrence time of each day in the past fixed period is read from the occurrence
ステップＳ２０２では、ステップＳ２０１で算出した「食事」の生起時間が生起時間格納部１０４へ格納される。また、生起回数も生起時間格納部１０４へ格納される。例えば、「食事」の生起時間が図４（ｂ）のように４ヶ所算出された場合、各生起時間と生起回数（４回）の情報が格納される。
In step S <b> 202, the occurrence time of “meal” calculated in step S <b> 201 is stored in the occurrence
ステップＳ２０３では、生起時間格納部１０４の情報をもとに、「食事」の生起時間の、例えば、直近１ヶ月間における傾向直線、および許容領域が算出される。なお、これらを算出する際のデータは、毎日最新のデータを追加し最古のデータは除去して更新する。本実施形態では、例えば、最新のデータとは昨日のデータであり、最古のデータとは、１ヶ月前のデータである。また、傾向直線、許容領域の算出に使用するデータは、１ヶ月間の連続した日のデータに限らず、ある期間における曜日毎のデータであってもよい。
In step S <b> 203, based on the information in the occurrence
図５を参照して、傾向直線の算出方法について述べる。 With reference to FIG. 5, a method of calculating a trend line will be described.
なお、図４（ｂ）に見られる様に、「食事」の生起時間は一日に３、４回程度存在する（生起回数＝３、４程度）が、ここでは、断りのない限り、「食事」のうち特に「朝食」に着目して説明を進める（図５（ａ））。 As shown in FIG. 4B, the occurrence time of “meal” is about 3 or 4 times a day (number of occurrences is about 3 or 4), but here, unless otherwise noted, “ The description will be focused on “breakfast” among “meals” (FIG. 5A).
図５（ｂ）は、図５（ａ）から「朝食」にあたると考えられる各生起時間を取り出した図である。「朝食」にあたると考えられる各生起時間の取出しは、例えば、直近１ヶ月間における各日の「食事」の生起時間の度数を１日のタイムスケールに渡って各分毎に算出すると生起時間群がいくつかの集団に分かれるので、これらの集合のうち「朝食」と思われる時間帯に一番近い集団を取り出すようにして行う。 FIG. 5B is a diagram in which each occurrence time considered to be equivalent to “breakfast” is extracted from FIG. Taking out each occurrence time considered to be “breakfast”, for example, calculating the frequency of occurrence of “meal” for each day in the most recent month for each minute over the time scale of the day, the occurrence time group Is divided into several groups, so the group closest to the time zone considered to be “breakfast” is taken out of these groups.
傾向直線とは、例えば最小二乗法などを用いて、「朝食」にあたると考えられる各生起時間を使用して算出した近似直線である。また、許容領域とは、日常変化判定において使用する判断基準となる領域のことである。図５（ｂ）に示したように、許容領域は、傾向直線を上方および下方に平行移動した直線Ａ，Ｂで区画される領域である。直線Ａ，Ｂは、例えば各々傾向直線から最も距離が遠い点を通る直線、すなわち、「朝食」の生起時間の集合のうち、傾向直線から最も離れた生起時間を通る直線である。前述のように、傾向直線が算出される際に使用される生起時間データは毎日更新されるので、傾向直線は本日と前日とでは同一ではない。 The tendency straight line is an approximate straight line calculated using each occurrence time that is considered to be “breakfast” using, for example, the least square method. Further, the permissible area is an area that serves as a determination criterion used in daily change determination. As shown in FIG. 5B, the allowable area is an area defined by straight lines A and B obtained by translating the trend line upward and downward. The straight lines A and B are, for example, straight lines that pass through the points farthest from the trend line, that is, straight lines that pass through the occurrence time farthest from the trend line in the set of occurrence times of “breakfast”. As described above, since the occurrence time data used when the trend line is calculated is updated every day, the trend line is not the same for today and the previous day.
なお、これらは傾向線算出部１０５、許容領域算出部１０６で計算される。
These are calculated by the trend
ステップＳ２０４では、後で述べる許容領域を修正する補正値を読み出し、適用する。これにより、後述の許容領域が経時変化の判断結果を反映した領域に変更される。 In step S204, a correction value for correcting the allowable area described later is read and applied. As a result, the allowable area described later is changed to an area reflecting the determination result of the change with time.
ステップＳ２０５では、本日の「朝食」の生起時間と許容領域との比較を行い日常変化の判定を行う。これは日常変化判定部１０７でなされる。図５（ｂ）の例では、本日の結果（本実施形態では８月２４日を例としている）が許容領域に含まれるので、異常はないと判定される。許容領域に含まれる場合は、異常はないと判定されるのでステップＳ２０７へ進み、許容領域に含まれない場合は、異常ありと判定されるのでステップＳ２０６へ進む。
In step S205, the occurrence time of today's “breakfast” is compared with the allowable range to determine the daily change. This is done by the daily
ステップＳ２０６では、判定結果格納部１１３に、前記日常変化判定の結果異常がみられた旨などを格納する。この結果は、本実施形態では説明しない後段の処理において、被験者への生活改善提案の際の情報として有益に活用される。
In step S <b> 206, the determination
ステップＳ２０７では、判定結果格納部１１３に、前記日常変化判定の結果異常がなかった旨などを格納する。
In step S207, the determination
ステップＳ２０８では、ステップＳ２０３で算出された傾向直線の特性に関する情報を抽出し、格納する。例えば、傾向直線の傾きや切片の値といった情報が抽出される。本実施形態で言う切片とは縦軸（ここでは、本日から１ヶ月前の日に位置する日付軸に対する垂線）と傾向直線との交点であり、切片は時刻形式データとなる。なお、縦軸は何れの日における垂線であってもよく、本日から１ヶ月前の日に限られるものではない。この演算は特性算出格納部１０８で行われる。
In step S208, information relating to the characteristic of the trend line calculated in step S203 is extracted and stored. For example, information such as the inclination of the trend line and the value of the intercept is extracted. The intercept referred to in the present embodiment is the intersection of the vertical axis (here, the perpendicular to the date axis located one month before today) and the trend line, and the intercept is time format data. The vertical axis may be a perpendicular line on any day, and is not limited to the day one month before today. This calculation is performed in the characteristic
ステップＳ２０９では、経時変化、すなわち、傾向直線の特性から被験者の生活行動の傾向に問題があるかどうかの判定がなされる。本実施形態では、傾向直線の特性として傾向直線の切片値情報に着目する。図６を参照して、この傾向直線の切片値情報に着目した経時変化判定について説明する。 In step S209, it is determined whether there is a problem in the tendency of the living behavior of the subject from the change over time, that is, the characteristic of the trend line. In the present embodiment, attention is paid to the intercept value information of the trend line as the characteristic of the trend line. With reference to FIG. 6, a description will be given of the temporal change determination focusing on the intercept value information of the trend line.
図６（ａ）の縦軸は基準時刻（例えば午前７時）と切片との差を表し、横軸は日付を表す。図中の曲線は特性曲線で、直近１ヶ月の切片の傾向を表している。ここで、本日における、基準時刻と切片の差の値に注目する。まず、この差の値が同図（ａ）において、正負両方に存在する閾値を超えているかどうかが問題となる。次に、本日における当該特性曲線の接線を考えたときの、その接線の傾きが正であるか負であるかが問題となる。なお、接線の傾きが正である場合とは、被験者の「朝食」の時間が遅くなってきている傾向にあると考えられ、負である場合は被験者の「朝食」の時間が早くなってきている傾向にあると考えられる。 The vertical axis in FIG. 6A represents the difference between the reference time (for example, 7:00 am) and the intercept, and the horizontal axis represents the date. The curve in the figure is a characteristic curve and represents the trend of the intercept for the most recent month. Here, focus on the difference between the reference time and the intercept today. First, it becomes a problem whether the value of this difference exceeds a threshold value that exists in both positive and negative in FIG. Next, when considering the tangent line of the characteristic curve for today, it becomes a problem whether the slope of the tangent line is positive or negative. When the slope of the tangent is positive, the subject's “breakfast” time tends to be delayed, and when it is negative, the subject ’s “breakfast” time is earlier. It seems that there is a tendency.
なお、閾値Ｐ、Ｑを算出する式の一例を下に示す。式中のΔｈは、過去のある時点から期間日数ｔの間における、各日の基準時刻と切片の差である。また、ｔ、Ｄ、ａは外部より変更が可能である。 An example of an equation for calculating the threshold values P and Q is shown below. Δh in the equation is the difference between the reference time of each day and the intercept during a period number of days t from a certain point in the past. Moreover, t, D, and a can be changed from the outside.
さて、同図（ａ）において、本日における当該特性曲線の接線の傾きが正である場合に、もし基準時刻と切片の差の値が閾値Ｐを超過した場合には、被験者の生活習慣を改善する必要がある。この場合というのは、被験者の朝食摂食の時間がある限度より遅い時間であるにも関わらず今後ますます遅れていく傾向にあるということで、問題ありと判断されるべき事態である。 Now, in the same figure (a), when the slope of the tangent of the characteristic curve is positive today, if the difference between the reference time and the intercept exceeds the threshold P, the lifestyle of the subject is improved. There is a need to. This is a situation that should be judged as problematic because the subject's time for eating breakfast is later than a certain limit but tends to be more and more delayed in the future.
一方、本日における当該特性曲線の接線の傾きが負である場合に、もし基準時刻と切片の差の値が閾値Ｑ未満である場合にも、被験者の生活習慣を改善する必要がある。この場合というのは、被験者の朝食摂食の時間がある限度より早い時間であるにも関わらず今後ますます早まっていく傾向にあるということで、これも問題ありと判断されるべき事態であるからである。これらの場合は図６（ｂ）に示されているように、日常変化判定において生活習慣を改善する方向へ改善するべく、後で説明するような、日常変化判定の判定基準たる許容領域の補正をおこなうこととなる。 On the other hand, if the slope of the tangent line of the characteristic curve is negative today, and if the difference between the reference time and the intercept is less than the threshold Q, it is necessary to improve the lifestyle of the subject. In this case, the subject's time to eat breakfast is earlier than a certain limit, but it tends to become faster in the future. Because. In these cases, as shown in FIG. 6 (b), the correction of the allowable area as the determination criterion for the daily change determination, which will be described later, in order to improve the lifestyle in the daily change determination. Will be performed.
なお、ステップＳ２０９において、問題ありと判定された場合はステップＳ２１１へ進み、問題がないと判定された場合はステップＳ２１０へ進む。 If it is determined in step S209 that there is a problem, the process proceeds to step S211. If it is determined that there is no problem, the process proceeds to step S210.
ステップＳ２１０では、判定結果格納部１１３に、前記経時変化判定の結果異常がなかった旨などを格納する。以上により、日常変化、経時変化の両判定フローが終了となる。
In step S210, the determination
ステップＳ２１１では、判定結果格納部１１３に、前記経時変化判定の結果異常がみられた旨などを格納する。この結果は、本実施形態では説明しない後段の処理において、被験者への生活改善提案の際の情報として有益に活用される。また、この結果は、補正情報算出部１１１へ送られる。
In step S211, the determination
ステップＳ２１２では、補正情報算出部１１１において、経時変化判定の結果を受けて、適切な許容領域の補正値が算出される。この許容領域の補正値算出について、図７を参照して説明する。なお、傾きの補正値をΔθ（反時計回りの方向に補正する場合を正とする）、直線Ａを傾向直線に対して距離を縮める補正値をΔＬａ（距離が広がる方向へ補正する場合を正とする）、直線Ｂを傾向直線に対して距離を縮める補正値をΔＬｂ（距離が広がる方向へ補正する場合を正とする）とする。 In step S212, the correction information calculation unit 111 calculates a correction value for an appropriate allowable region in response to the result of the change with time. The calculation of the correction value of the allowable area will be described with reference to FIG. It should be noted that the inclination correction value is Δθ (positive when correcting in the counterclockwise direction), and the correction value for reducing the distance of the straight line A with respect to the trend line is ΔLa (correct when the distance is corrected in the increasing direction). ) And a correction value for reducing the distance of the straight line B with respect to the tendency straight line is ΔLb (positive when correcting in the direction in which the distance increases).
図６（ｂ）で示したような、縦軸の値が正、かつ接線傾きが正の場合には、被験者の朝食摂食の時間が遅い時間である上、今後ますます遅れていく傾向にある。よって、切片の差が閾値Pを超過した場合は、例えば、図７(ａ)に示したように、Δθ＜０かつΔＬａ＝０、ΔＬｂ＜０の範囲で補正値を決定する。なお、簡単な例として、Δθを傾向直線の傾きが零となるような値に、ΔＬｂを直線Ｂが傾向直線と一致する値にして、かつΔＬａ＝０であるような値に補正値を決定してもよい。 When the value on the vertical axis is positive and the tangential slope is positive, as shown in Fig. 6 (b), the time for the subject to eat breakfast is late and tends to be increasingly delayed in the future. is there. Therefore, when the intercept difference exceeds the threshold value P, for example, as shown in FIG. 7A, the correction value is determined in the range of Δθ <0, ΔLa = 0, and ΔLb <0. As a simple example, the correction value is determined so that Δθ is a value that makes the inclination of the trend line zero, ΔLb is a value that matches the straight line B with the trend line, and ΔLa = 0. May be.
図６（ｂ）で示したような、縦軸の値が負、かつ接線傾きが負の場合には、被験者の朝食摂食の時間が早い時間である上、今後ますます早まっていく傾向にある。よって、切片の差が閾値Ｑ未満の場合は、例えば、図７(ｂ) に示したように、Δθ＞０かつΔＬａ＜０、ΔＬｂ＝０の範囲で補正値を決定する。なお、この場合も、簡単な例として、Δθを傾向直線の傾きが零となるような値に、ΔＬａを直線Ａが傾向直線と一致する値にして、かつΔＬｂ＝０であるような値に補正値を決定してもよい。 When the value on the vertical axis is negative and the tangential slope is negative, as shown in Fig. 6 (b), the time for the subject to eat breakfast is an early time and tends to become faster in the future. is there. Accordingly, when the intercept difference is less than the threshold value Q, for example, as shown in FIG. 7B, the correction value is determined in the range of Δθ> 0, ΔLa <0, and ΔLb = 0. In this case as well, as a simple example, Δθ is set to a value such that the inclination of the trend line becomes zero, ΔLa is set to a value where the straight line A matches the trend line, and ΔLb = 0. A correction value may be determined.
また、本実施形態では、各補正値を決定する場合に、当該傾向が発生してから本日に至るまでに要した日数を勘案して決定してもよい。すなわち、図６（ａ）を参照すると、点Ｉが当該傾向が発生しはじめた日（変曲点）であり、この日から本日に至るまでの期間Δｄを使用する。この期間Δｄを使用した補正値として、例えば、以下の式が挙げられる。 In the present embodiment, when each correction value is determined, the correction value may be determined in consideration of the number of days required from the occurrence of the trend to today. That is, referring to FIG. 6A, the point I is the day (inflection point) on which the tendency starts, and the period Δd from this day to today is used. As a correction value using this period Δd, for example, the following equation can be given.
ステップＳ２１３では、算出された補正値等の情報を生活動作規範データベースへ格納する。以上により、日常変化、経時変化の両判定フローが終了となる。 In step S213, information such as the calculated correction value is stored in the living behavior norm database. Thus, both the routine change and the change process with time are completed.
次に、ステップＳ２０１の説明のところで述べた、先述の生起時間確定部１０３において、当日の生起時間を算出する際に上記算出結果にさらに過去の一定期間内における各日の生起時間を参酌する場合について、図８を用いて説明する。
Next, in the above-described occurrence
図８（ａ）は、当日を含む直近１ヶ月間の各「食事」の生起時間について、縦軸は１ヶ月間にその時間が正規時間となった回数が何回あったかを示し、横軸は一日のタイムスケール上における生起時間を示す。なお、横軸の時間は図３で示されたような１分刻みである必要はなく、本実施形態では、５分刻みである。 FIG. 8 (a) shows how many times the “meal” occurred during the most recent month including the current day. Indicates the time of occurrence on the time scale of the day. Note that the time on the horizontal axis does not need to be in 1 minute increments as shown in FIG. 3, and is in 5 minute increments in this embodiment.
まず、算出方法の概略を説明する。前段階として、１ヶ月間の各日の生起回数の平均を算出する（これを四捨五入した値を平均生起回数とする）。本実施形態では、平均生起回数が４であったとする。さて、図８（ａ）のような度数分布を示している場合に、ある探索範囲を定め、その範囲内の度数の密度を０時０分から２３時５９分に向けて計算する。計算式は「（探索範囲内の総生起回数）／（探索範囲時間）」である。０時０分から２３時５９分に向けて１ルーチンの探索が終了すると、探索範囲を所定時間だけ縮め、次のルーチンを実行する。この探索ルーチンを探索範囲内の度数の密度が閾値以上になる箇所が先述の平均生起回数となるまで繰り返す。 First, an outline of the calculation method will be described. As a previous step, the average of the number of occurrences of each day for one month is calculated (the value obtained by rounding this up is taken as the average number of occurrences). In the present embodiment, it is assumed that the average number of occurrences is 4. Now, when the frequency distribution as shown in FIG. 8A is shown, a certain search range is determined, and the density of the frequency within the range is calculated from 0: 0 to 23:59. The calculation formula is “(total number of occurrences within the search range) / (search range time)”. When the search for one routine is completed from 0: 0 to 23:59, the search range is shortened by a predetermined time, and the next routine is executed. This search routine is repeated until the frequency at which the frequency density in the search range is equal to or greater than the threshold reaches the above-described average number of occurrences.
具体的には、最初に、探索範囲時間を２４時間にセットする。よって度数密度は、「（２４時間の総生起回数）／（２４時間)」の計算となる。なお、初回で密度が閾値を超えても、閾値以上になる箇所が１箇所であるので、探索は終了とならない。これ以降では、５分だけ探索時間を縮めて、０時０分から２３時５９分に向けて探索範囲をシフトさせて探索を行い、密度が閾値以上になるか判定し、閾値以上にならない場合は、再び５分だけ探索時間を縮めて、上記フローを繰返し、密度が閾値以上になる箇所が平均生起回数となるまで、この一連の動作を繰り返す。図８（ｂ）は、今述べたフローの途中の状態を表している。なお、この閾値は、対象としている生活動作などや被験者毎によって異なる。 Specifically, first, the search range time is set to 24 hours. Therefore, the frequency density is calculated as “(total number of occurrences in 24 hours) / (24 hours)”. Even if the density exceeds the threshold value for the first time, the search does not end because there is only one location that is equal to or greater than the threshold value. Thereafter, the search time is shortened by 5 minutes, the search range is shifted from 0: 0 to 23:59, and it is determined whether the density is equal to or higher than the threshold. The search time is shortened again by 5 minutes, the above flow is repeated, and this series of operations is repeated until the point where the density is equal to or higher than the threshold reaches the average number of occurrences. FIG. 8B shows a state in the middle of the flow just described. In addition, this threshold value changes with every living operation | movement etc. which are made into object, or test subjects.
図８（ｃ）を参照して、ある探索範囲の大きさで０時０分から２３時５９分に向けて探索を行った結果、探索範囲の密度が閾値を超えた箇所が４ヶ所探索できた場合を示している。この後は、図８（ｄ）に示されているように、重心の概念を導入して生起時間を算出する。すなわち、当該４箇所の範囲内において、各時間における分布数を成分として時間軸方向における重心位置を算出し、その重心位置の位置する時間（分単位）を生起時間とする。この考え方は、ステップＳ２０１のところで説明したのと同様である。 Referring to FIG. 8C, as a result of searching from 0: 0 to 23:59 with a certain search range size, four locations where the density of the search range exceeded the threshold could be searched. Shows the case. Thereafter, as shown in FIG. 8D, the concept of the center of gravity is introduced to calculate the occurrence time. That is, within the range of the four locations, the center of gravity position in the time axis direction is calculated using the number of distributions at each time as a component, and the time (in minutes) at which the center of gravity position is located is defined as the occurrence time. This concept is the same as that described in step S201.
以上により、図８（ｄ）に示されているような、生起時間が４ヶ所決定される。 As described above, four occurrence times are determined as shown in FIG.
次に、生起時間確定部１０３における上記生起時間の確定フローについて、図９の動作フロー図を用いて説明する。
Next, the flow for determining the occurrence time in the occurrence
ステップＳ３０１では、探索範囲、上記密度と比較する際の対象となる閾値の初期値を設定する。なお、探索範囲の初期値は２４時間である。なお、この段階までに、直近１ヶ月間（当日を含む）の各食事の生起時間について各日のデータを生起時間格納部１０４から読み出しておく。
In step S301, an initial value of a search range and a threshold value to be compared with the density are set. Note that the initial value of the search range is 24 hours. By this stage, the data for each day is read from the occurrence
ステップＳ３０２では、探索範囲の左端が時間軸の左端すなわち０時０分と一致するように合わせる。 In step S302, the left end of the search range is matched with the left end of the time axis, that is, 0: 0.
ステップＳ３０３では、探索範囲内の度数密度を計算する。 In step S303, the frequency density within the search range is calculated.
ステップＳ３０４では、探索がタイムスケール上においてすべて修了したか、すなわち探索領域の右端が２３時５９分以上となったか判定する。もし探索領域がまだ残っているならばステップＳ３０５へ進み、終了した場合はステップＳ３０６へ進む。 In step S304, it is determined whether the search has been completed on the time scale, that is, whether the right end of the search area has reached 23:59 or more. If the search area still remains, the process proceeds to step S305, and if completed, the process proceeds to step S306.
ステップＳ３０５では、探索範囲を時間軸正方向へ１メモリずらす。なお、本実施形態において、この１メモリは５分である。その後、ステップＳ３０３へ進み、その新たな探索範囲において密度を計算する。 In step S305, the search range is shifted by one memory in the positive direction of the time axis. In this embodiment, this one memory is 5 minutes. Then, it progresses to step S303 and calculates a density in the new search range.
ステップＳ３０６では、密度が閾値以上になった箇所が平均生起回数と等しいか確認する。等しい時は当該探索フローは終了である。また、平均生起回数に達しない場合はステップＳ３０７へ進む。なお、平均生起回数を超えた場合はステップＳ３０８へ進む。 In step S306, it is confirmed whether the location where the density is equal to or greater than the threshold is equal to the average number of occurrences. When they are equal, the search flow ends. If the average number of occurrences has not been reached, the process proceeds to step S307. When the average number of occurrences is exceeded, the process proceeds to step S308.
ステップＳ３０７では、探索範囲を１メモリ減じる。なお、本実施形態において、この１メモリも５分である。この後はステップＳ３０２へ戻り、探索範囲密度が閾値以上になった箇所が平均生起回数と等しくなるまで、一連の探索を継続する。 In step S307, the search range is reduced by one memory. In this embodiment, this one memory is also 5 minutes. Thereafter, the process returns to step S302, and the series of searches is continued until the location where the search range density is equal to or greater than the threshold value is equal to the average number of occurrences.
ステップＳ３０８では、上記密度と比較する際の対象となる閾値をあげる。また、探索範囲として初期値２４時間をセットする。 In step S308, a threshold value to be compared with the density is raised. An initial value of 24 hours is set as the search range.
なお、ステップＳ３０８は、次のような場合の対処のために用意されている。当該フローを繰り返していると、探索範囲密度が閾値以上になった箇所が平均生起回数より少ないために、ステップ３０６→ステップ３０７→ステップ３０２→…と再度探索を継続することとなったが、その次はステップ３０６の段において、探索範囲密度が閾値以上になった箇所が平均生起回数以上となってしまったという場合が起こりうる。このような事態は、例えば、初期閾値が適切でなかったため生じると考えられるので、閾値を上げてやることで平均生起回数以上に探索範囲密度が閾値以上になった箇所が発生しないようにする。
Note that step S308 is prepared for coping with the following case. If the flow is repeated, the number of locations where the search range density is equal to or greater than the threshold is less than the average number of occurrences, so the search is continued again from
この後はステップＳ３０２へ戻り、密度が閾値以上になった箇所が平均生起回数と等しくなるまで、一連の探索を継続する。
Thereafter, the process returns to step S302, and a series of searches is continued until the location where the density is equal to or greater than the threshold value is equal to the average number of occurrences.
[実施形態２]
経時変化判定において、実施形態１では傾向直線の特性量である切片値情報を用い、基準時刻と当該切片の値の差に着目したが、本実施形態では傾向直線の切片値情報の代わりに、一定期間における生起時間の平均値を使用する。具体的には、直近１ヶ月間における生起時間の平均値を使用し、基準時刻と直近１ヶ月間における生起時間の平均値との差に着目する。なお、この生起時間の平均値は最新のデータである昨日のデータを追加し、最古のデータである１ヶ月前のデータを除去して毎日更新される。
[Embodiment 2]
In the temporal change determination, the first embodiment uses the intercept value information which is the characteristic amount of the trend line, and pays attention to the difference between the reference time and the value of the intercept, but in this embodiment, instead of the trend line intercept value information, The average value of the occurrence time over a certain period is used. Specifically, the average value of the occurrence time in the most recent one month is used, and the difference between the reference time and the average value of the occurrence time in the most recent one month is noted. The average value of the occurrence time is updated every day by adding yesterday's data, which is the latest data, and removing the data one month before, which is the oldest data.
この場合、図１における各部の動作に関して、以下のような変更を行う必要がある。すなわち、特性算出格納部１０８では、先述の傾向線算出部１０５で算出された傾向直線の傾きや切片などの特性情報の算出・格納に代えて、生起時間格納部１０４の履歴情報をもとに、各動作ごとの一定期間における生起時間の平均値などの算出・格納を行う。
In this case, it is necessary to make the following changes regarding the operation of each unit in FIG. That is, the characteristic
また、図２におけるシステムの動作フローに関しては、以下のような変更が必要である。ステップＳ２０８では、傾向直線の特性に関する情報、例えば傾向直線の傾きや切片の値といった情報を抽出・格納したが、本実施形態では一定期間における生起時間の平均値を抽出し、格納する。また、ステップＳ２０９では、傾向直線の特性すなわち傾向直線の切片値情報から被験者の生活行動の傾向に問題があるかどうか判定を行ったが、該行動の一定期間における生起時間の平均値の変化に着目し判定を行う。これに連れて、本実施形態では、図６（ａ）の縦軸は「基準時刻と切片の差」に代えて、「基準時刻と直近１ヶ月間における生起時間の平均値との差」を表す。 Further, the following changes are necessary for the operation flow of the system in FIG. In step S208, information on the characteristics of the trend line, for example, information such as the slope of the trend line and the value of the intercept is extracted and stored. In this embodiment, the average value of the occurrence times in a certain period is extracted and stored. In step S209, it is determined whether there is a problem in the tendency of the living behavior of the subject from the characteristic of the trend line, that is, the intercept value information of the trend line, but the change in the average value of the occurrence time in a certain period of the behavior is determined. Pay attention and make a decision. Accordingly, in this embodiment, the vertical axis in FIG. 6A represents “the difference between the reference time and the average value of the occurrence time in the most recent month” instead of “the difference between the reference time and the intercept”. To express.
経時変化の判定においては、図６（ｂ）と同様、「基準時刻と直近１ヶ月間における生起時間の平均値との差」と閾値Ｐ、Ｑとを比較し、その大小関係から経時変化を判定するようにすればよい。当然ながら、この場合の閾値Ｐ、Ｑは「基準時刻と直近１ヶ月間における生起時間の平均値との差」に応じた値に変更される。 In the determination of the change over time, as in FIG. 6B, the difference between the “reference time and the average value of the occurrence time in the most recent month” is compared with the threshold values P and Q, and the change over time is determined from the magnitude relationship. It may be determined. Naturally, the threshold values P and Q in this case are changed to values according to “the difference between the reference time and the average value of the occurrence times in the most recent month”.
以上、本実施の形態１および２によれば次のような効果を奏する事ができる。 As described above, according to the first and second embodiments, the following effects can be obtained.
（１）生起時間の傾向を近似直線化する事により、図５（ｂ）に見られるように、生起時間の傾向を簡易かつ明確に把握することができる。これにより、従来の検出システムでは異常とは判定されないような軽微な生活動作の変化を簡易かつ明確に把握することができる。 (1) By approximating the tendency of the occurrence time to an approximate straight line, the tendency of the occurrence time can be easily and clearly grasped as seen in FIG. As a result, it is possible to easily and clearly grasp a slight change in daily activities that is not determined to be abnormal in the conventional detection system.
（２）上記近似直線を用いて生活変化の判定基準となる許容領域を算出し、本日の生起時間が前記許容領域内に含まれるかどうかをもとに生活の変化について判定をする（図５（ｂ）参照）ようにしたことから、被験者の生活の変化の判定を容易化することができる。 (2) Using the approximate straight line, an allowable area that is a criterion for determining a change in life is calculated, and a change in life is determined based on whether or not the occurrence time of today is included in the allowable area (FIG. 5). Since (see (b)), it is possible to facilitate determination of changes in the life of the subject.
（３）生活変化の傾向が悪化方向に向かっているかどうかの判定を、図６に示す特性曲線を用いて行うようにしたことから、生活傾向の変化傾向の把握を容易に行うことができる。これにより、従来の検出システムでは異常とは判定されないような軽微な生活動作の変化を簡易かつ明確に把握することができる。 (3) Since it is determined using the characteristic curve shown in FIG. 6 whether or not the tendency of the life change is in the worsening direction, the change tendency of the life tendency can be easily grasped. As a result, it is possible to easily and clearly grasp a slight change in daily activities that is not determined to be abnormal in the conventional detection system.
（４）この特性曲線をもとに、生活変化の傾向を改善する補正情報を算出し、この補正情報をもとに修正された許容領域を用いて日々の判定を行うようにしたことから、図７に見られるように、日々の判定にて異常とされる確率を高くすることができ、被験者に生活変化の改善に向けた動機付けを提示し易くできる。この結果、被験体の生活動作を改善方向に向けて規範化することができる。 (4) Based on this characteristic curve, correction information that improves the tendency of life change is calculated, and daily determination is made using the allowable area corrected based on this correction information. As can be seen in FIG. 7, it is possible to increase the probability of being abnormal in the daily determination, and to easily present the motivation for improving the life change to the subject. As a result, the life movement of the subject can be normalized toward the improvement direction.
（５）生起時間を求めるのに図９のフローを使用することで、過去１か月分の生起時間の平均をとることとなり、ある程度長期的な視野で被験体の変化を参酌した生起時間を用いることができる。この結果、各日間の生起時間の脈動を低減化でき、平滑化を図ることもできる。 (5) By using the flow of FIG. 9 to determine the occurrence time, the average of the occurrence time for the past month is taken, and the occurrence time that takes into account the change of the subject in a certain long-term view is taken. Can be used. As a result, the pulsation of the occurrence time of each day can be reduced and smoothing can be achieved.
なお、本実施の形態における生活変化判定・生活動作規範化システム、および生活変化判定・生活動作規範化装置は、ハードウェア的には、任意のコンピュータのＣＰＵ、メモリ、その他のＬＳＩなどで実現できる。また、ソフトウェア的には、メモリにロードされた生活変化判定・生活動作規範化機能のあるプログラムなどによって実現される。図１には、ハードウェアおよびソフトウェアによって実現される生活変化判定・生活動作規範化の機能ブロックが示されている。ただし、これらの機能ブロックが、ハードウェアのみ、ソフトウェアのみ、あるいは、それらの組合せ等、いろいろな形態で実現できることは言うまでもない。 It should be noted that the life change determination / life behavior normalization system and the life change determination / life behavior normalization device according to the present embodiment can be realized in hardware by a CPU, memory, or other LSI of any computer. Further, in terms of software, it is realized by a program having a function of determining a change in life and a normalization of life behavior loaded in a memory. FIG. 1 shows functional blocks for life change determination and life behavior normalization realized by hardware and software. However, it goes without saying that these functional blocks can be realized in various forms such as hardware only, software only, or a combination thereof.
本発明の実施の形態は、特許請求の範囲に示された技術的思想の範囲内において、適宜、種々の変更が可能である。 The embodiments of the present invention can be appropriately modified in various ways within the scope of the technical idea shown in the claims.
１０ 生活動作センシング部
１０１ 生活動作推定部
１０２ 生活動作データベース
１０３ 生起時間確定部
１０４ 生起時間格納部
１０５ 傾向線算出部
１０６ 許容領域算出部
１０７ 日常変化判定部
１０８ 特性算出格納部
１１０ 経時変化判定部
１１２ 生活動作規範データベース
DESCRIPTION OF
Claims (26)
前記推定結果をもとに所定の状態が生起したかを判別する生起判別手段と、
前記状態の生起に関するパラメータの値を履歴情報として格納する履歴情報格納手段と、
該履歴情報における前記パラメータの値の傾向を算出する傾向算出手段と、
該傾向算出手段の算出結果をもとに、前記被験体の生活の変化を判定する変化判定手段とを有する、
ことを特徴とする状態判定システム。 A motion detection means for detecting the motion of the subject, and a state estimation means for estimating the state of the subject from the detection result from the motion detection means, based on the estimation result from the state estimation means, In a state determination system for determining a change in a subject's life,
An occurrence determination means for determining whether a predetermined state has occurred based on the estimation result;
History information storage means for storing parameter values relating to occurrence of the state as history information;
A trend calculating means for calculating a trend of the parameter value in the history information;
Based on the calculation result of the trend calculation means, the change determination means for determining a change in the life of the subject,
A state determination system characterized by that.
前記履歴情報格納手段は、前記生起に関するパラメータの値として、該生起の時刻を表す生起時間を格納する、
ことを特徴とする状態判定システム。 In claim 1,
The history information storage means stores an occurrence time representing the occurrence time as a parameter value related to the occurrence.
A state determination system characterized by that.
前記傾向算出手段は、所定期間における前記パラメータの値の集合から時間軸に対する前記パラメータの値の遷移傾向を表す傾向直線を算出する手段を有する、
ことを特徴とする状態判定システム。 In either claim 1 or 2,
The trend calculating means includes means for calculating a trend line representing a transition tendency of the parameter value with respect to a time axis from a set of parameter values in a predetermined period.
A state determination system characterized by that.
前記傾向算出手段は、最小二乗法を用いて傾向直線を算出する手段を有する、
ことを特徴とする状態判定システム。 In claim 3,
The trend calculation means includes means for calculating a trend line using a least square method.
A state determination system characterized by that.
前記変化判定手段は、前記傾向直線をもとに前記被験体の生活の変化を判定する基準となる許容領域を算出し、判定対象日における前記パラメータの値が該許容領域内に含まれるかどうかによって前記被験体の生活の変化を判定する、
ことを特徴とする状態判定システム。 In any of claims 3 or 4,
The change determination means calculates an allowable area that is a reference for determining a change in the life of the subject based on the trend line, and whether or not the value of the parameter on the determination target date is included in the allowable area Determining a change in the subject's life by
A state determination system characterized by that.
前記傾向算出手段により算出した傾向の特性を特徴量として抽出し、該特徴量をもとに前記傾向直線および／もしくは前記許容領域を修正する情報を算出する修正情報算出手段をさらに有する、
ことを特徴とする状態判定システム。 In claim 5,
It further includes correction information calculation means for extracting the characteristic of the trend calculated by the trend calculation means as a feature quantity, and calculating information for correcting the trend straight line and / or the allowable region based on the feature quantity.
A state determination system characterized by that.
前記修正情報算出手段は、
前記傾向直線に関する特徴量を算出する手段と、該特徴量に関する情報を履歴として格納する手段と、該履歴情報をもとに前記特徴量の時間軸方向における遷移傾向を表す特性曲線を算出する手段と、該特性曲線をもとに前記被験体の生活傾向が異常かどうかを判定する異常判定手段とを有し、
該異常判定手段により異常と判定されたときに前記傾向直線および／もしくは前記許容領域を修正する情報を算出する、
ことを特徴とする状態判定システム。 In claim 6,
The correction information calculation means includes
Means for calculating a feature quantity relating to the trend line; means for storing information relating to the feature quantity as a history; and means for calculating a characteristic curve representing a transition tendency of the feature quantity in the time axis direction based on the history information. And an abnormality determining means for determining whether the subject's life tendency is abnormal based on the characteristic curve,
Calculating information for correcting the trend line and / or the permissible region when the abnormality determining means determines that the abnormality is present;
A state determination system characterized by that.
前記異常判定手段は、該特性曲線における変化量および閾値の関係から異常かどうかを判定する、
ことを特徴とする状態判定システム。 In claim 7,
The abnormality determination means determines whether or not there is an abnormality from the relationship between the amount of change in the characteristic curve and a threshold value.
A state determination system characterized by that.
前記傾向直線に関する特徴量を算出する特徴量算出手段と、
該特徴量に関する情報を履歴として格納する特徴量格納手段と、
該履歴情報をもとに前記特徴量の時間軸方向における遷移傾向を表す特性曲線を算出する特性曲線算出手段と、
該特性曲線をもとに前記被験体の生活傾向が異常かどうかを判定する異常判定手段とをさらに有する、
ことを特徴とする状態判定システム。 In any one of Claims 1 thru | or 4,
A feature amount calculating means for calculating a feature amount relating to the trend line;
Feature quantity storage means for storing information on the feature quantity as a history;
A characteristic curve calculating means for calculating a characteristic curve representing a transition tendency of the feature amount in the time axis direction based on the history information;
An abnormality determination means for determining whether the subject's life tendency is abnormal based on the characteristic curve;
A state determination system characterized by that.
前記異常判定手段は、該特性曲線における変化量および閾値の関係から異常かどうかを判定する、
ことを特徴とする状態判定システム。
In claim 9,
The abnormality determination means determines whether or not there is an abnormality from the relationship between the amount of change in the characteristic curve and a threshold value.
A state determination system characterized by that.
前記履歴情報格納手段は、前記生起に関するパラメータの値を履歴情報として格納する第１の格納手段と、該第１の格納手段によって格納された履歴情報から算出タイミングを含む一定期間内の前記パラメータの値を順次抽出するとともに抽出した値の集合から当該算出タイミングにおける当該パラメータの平準化値を順次算出する平準化値算出手段と、該平準化値算出手段によって算出された平準化値を履歴情報として格納する第２の格納手段を備え、
前記傾向算出手段は、前記第２の格納手段に格納された履歴情報をもとに前記パラメータの値の傾向を算出する、
ことを特徴とする状態判定システム。 In any one of Claims 1 thru | or 10,
The history information storage means includes a first storage means for storing the parameter value relating to the occurrence as history information, and the parameter information within a certain period including a calculation timing from the history information stored by the first storage means. A leveled value calculating unit that sequentially extracts values and sequentially calculates a leveled value of the parameter at the calculation timing from the set of extracted values, and the leveled value calculated by the leveled value calculating unit is used as history information. Second storage means for storing,
The trend calculating means calculates a tendency of the parameter value based on history information stored in the second storage means;
A state determination system characterized by that.
前記パラメータ値算出手段は、前記集合の重心となる値を求め、この値を当該パラメータの平準化値として算出する、
ことを特徴とする状態判定システム。 In claim 11,
The parameter value calculation means calculates a value that is the center of gravity of the set, and calculates this value as a leveling value of the parameter.
A state determination system characterized by that.
前記パラメータの値が生起時間である場合、
前記第２の格納手段は、
タイムスケール上における前記生起時間の発生回数を計数する手段と、
前記タイムスケール上において前記生起時間の発生回数が密集している時間帯を前記パラメータ値の算出に用いる前記一定期間として検出する手段と、
検出された時間帯内に含まれる各生起時間とその発生回数から前記パラメータ値を算出する手段とを有する、
ことを特徴とする状態判定システム。 In either of claims 11 or 12,
If the value of the parameter is the time of occurrence,
The second storage means includes
Means for counting the number of occurrences of the occurrence time on a time scale;
Means for detecting the time period in which the occurrence times of the occurrence times are concentrated on the time scale as the fixed period used for calculating the parameter value;
Means for calculating the parameter value from each occurrence time and the number of occurrences included in the detected time zone,
A state determination system characterized by that.
前記推定結果をもとに所定の状態が生起したかを判別する生起判別手段と、
前記状態の生起に関するパラメータの値を履歴情報として格納する履歴情報格納手段と、
該履歴情報における前記パラメータの値の傾向を算出する傾向算出手段と、
該傾向算出手段の算出結果をもとに、前記被験体の生活の変化を判定する変化判定手段とを有する、
ことを特徴とする状態判定装置。 It has a state estimation means for estimating the state of the subject from the detection result of the means for detecting the motion of the subject, and determines a change in the life of the subject based on the estimation result from the state estimation means In the state determination device,
An occurrence determination means for determining whether a predetermined state has occurred based on the estimation result;
History information storage means for storing parameter values relating to occurrence of the state as history information;
A trend calculating means for calculating a trend of the parameter value in the history information;
Based on the calculation result of the trend calculation means, the change determination means for determining a change in the life of the subject,
The state determination apparatus characterized by the above.
前記履歴情報格納手段は、前記生起に関するパラメータの値として、該生起の時刻を表す生起時間を格納する、
ことを特徴とする状態判定装置。 In claim 14,
The history information storage means stores an occurrence time representing the occurrence time as a parameter value related to the occurrence.
The state determination apparatus characterized by the above.
前記傾向算出手段は、所定期間における前記パラメータの値の集合から時間軸に対する前記パラメータの値の遷移傾向を表す傾向直線を算出する手段を有する、
ことを特徴とする状態判定装置。 Either of claims 14 or 15,
The trend calculating means includes means for calculating a trend line representing a transition tendency of the parameter value with respect to a time axis from a set of parameter values in a predetermined period.
The state determination apparatus characterized by the above.
前記傾向算出手段は、最小二乗法を用いて傾向直線を算出する手段を有する、
ことを特徴とする状態判定装置。 In claim 16,
The trend calculation means includes means for calculating a trend line using a least square method.
The state determination apparatus characterized by the above.
前記変化判定手段は、前記傾向直線をもとに前記被験体の生活の変化を判定する基準となる許容領域を算出し、判定対象日における前記パラメータの値が該許容領域内に含まれるかどうかによって前記被験体の生活の変化を判定する、
ことを特徴とする状態判定装置。 Either of claims 16 or 17
The change determination means calculates an allowable area that is a reference for determining a change in the life of the subject based on the trend line, and whether or not the value of the parameter on the determination target date is included in the allowable area Determining a change in the subject's life by
The state determination apparatus characterized by the above.
前記傾向算出手段により算出した傾向の特性を特徴量として抽出し、該特徴量をもとに前記傾向直線および／もしくは前記許容領域を修正する情報を算出する修正情報算出手段をさらに有する、
ことを特徴とする状態判定装置。 In claim 18,
It further includes correction information calculation means for extracting the characteristic of the trend calculated by the trend calculation means as a feature quantity, and calculating information for correcting the trend straight line and / or the allowable region based on the feature quantity.
The state determination apparatus characterized by the above.
前記修正情報算出手段は、
前記傾向直線に関する特徴量を算出する手段と、該特徴量に関する情報を履歴として格納する手段と、該履歴情報をもとに前記特徴量の時間軸方向における遷移傾向を表す特性曲線を算出する手段と、該特性曲線をもとに前記被験体の生活傾向が異常かどうかを判定する異常判定手段とを有し、
該異常判定手段により異常と判定されたときに前記傾向直線および／もしくは前記許容領域を修正する情報を算出する、
ことを特徴とする状態判定装置。 In claim 19,
The correction information calculation means includes
Means for calculating a feature quantity relating to the trend line; means for storing information relating to the feature quantity as a history; and means for calculating a characteristic curve representing a transition tendency of the feature quantity in the time axis direction based on the history information. And an abnormality determining means for determining whether the subject's life tendency is abnormal based on the characteristic curve,
Calculating information for correcting the trend line and / or the permissible region when the abnormality determining means determines that the abnormality is present;
The state determination apparatus characterized by the above.
前記異常判定手段は、該特性曲線における変化量および閾値の関係から異常かどうかを判定する、
ことを特徴とする状態判定装置。 In claim 20,
The abnormality determination means determines whether or not there is an abnormality from the relationship between the amount of change in the characteristic curve and a threshold value.
The state determination apparatus characterized by the above.
前記傾向直線に関する特徴量を算出する特徴量算出手段と、
該特徴量に関する情報を履歴として格納する特徴量格納手段と、
該履歴情報をもとに前記特徴量の時間軸方向における遷移傾向を表す特性曲線を算出する特性曲線算出手段と、
該特性曲線をもとに前記被験体の生活傾向が異常かどうかを判定する異常判定手段とをさらに有する、
ことを特徴とする状態判定装置。 In any one of claims 14 to 17,
A feature amount calculating means for calculating a feature amount relating to the trend line;
Feature quantity storage means for storing information on the feature quantity as a history;
A characteristic curve calculating means for calculating a characteristic curve representing a transition tendency of the feature amount in the time axis direction based on the history information;
An abnormality determining means for determining whether the subject's life tendency is abnormal based on the characteristic curve;
The state determination apparatus characterized by the above.
前記異常判定手段は、該特性曲線における変化量および閾値の関係から異常かどうかを判定する、
ことを特徴とする状態判定装置。 In claim 22,
The abnormality determination means determines whether or not there is an abnormality from the relationship between the amount of change in the characteristic curve and a threshold value.
The state determination apparatus characterized by the above.
前記履歴情報格納手段は、前記生起に関するパラメータの値を履歴情報として格納する第１の格納手段と、該第１の格納手段によって格納された履歴情報から算出タイミングを含む一定期間内の前記パラメータの値を順次抽出するとともに抽出した値の集合から当該算出タイミングにおける当該パラメータの平準化値を順次算出する平準化値算出手段と、該平準化値算出手段によって算出された平準化値を履歴情報として格納する第２の格納手段を備え、
前記傾向算出手段は、前記第２の格納手段に格納された履歴情報をもとに前記パラメータの値の傾向を算出する、
ことを特徴とする状態判定装置。 24. In any one of claims 14 to 23.
The history information storage means includes a first storage means for storing the parameter value relating to the occurrence as history information, and the parameter information within a certain period including a calculation timing from the history information stored by the first storage means. A leveled value calculating unit that sequentially extracts values and sequentially calculates a leveled value of the parameter at the calculation timing from the set of extracted values, and the leveled value calculated by the leveled value calculating unit is used as history information. Second storage means for storing,
The trend calculating means calculates a tendency of the parameter value based on history information stored in the second storage means;
The state determination apparatus characterized by the above.
前記パラメータ値算出手段は、前記集合の重心となる値を求め、この値を当該パラメータの平準化値として算出する、
ことを特徴とする状態判定装置。 In claim 24,
The parameter value calculation means calculates a value that is the center of gravity of the set, and calculates this value as a leveling value of the parameter.
The state determination apparatus characterized by the above.
前記パラメータの値が生起時間である場合、
前記第２の格納手段は、
タイムスケール上における前記生起時間の発生回数を計数する手段と、
前記タイムスケール上において前記生起時間の発生回数が密集している時間帯を前記パラメータ値の算出に用いる前記一定期間として検出する手段と、
検出された時間帯内に含まれる各生起時間とその発生回数から前記パラメータ値を算出する手段とを有する、
ことを特徴とする状態判定装置。 In any of claims 24 or 25,
If the value of the parameter is the time of occurrence,
The second storage means includes
Means for counting the number of occurrences of the occurrence time on a time scale;
Means for detecting the time period in which the occurrence times of the occurrence times are concentrated on the time scale as the fixed period used for calculating the parameter value;
Means for calculating the parameter value from each occurrence time and the number of occurrences included in the detected time zone,
The state determination apparatus characterized by the above.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2004288328A JP2006106813A (en) | 2004-09-30 | 2004-09-30 | State determination system and state determination device |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2004288328A JP2006106813A (en) | 2004-09-30 | 2004-09-30 | State determination system and state determination device |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JP2006106813A true JP2006106813A (en) | 2006-04-20 |
Family
ID=36376525
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2004288328A Pending JP2006106813A (en) | 2004-09-30 | 2004-09-30 | State determination system and state determination device |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP2006106813A (en) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2009028441A (en) * | 2007-07-30 | 2009-02-12 | Omron Healthcare Co Ltd | Biological information measuring deice, biological information display method and display program |
| JP2009072326A (en) * | 2007-09-20 | 2009-04-09 | Sony Corp | Portable electronic device having biorhythm evaluating function |
| JP2010250807A (en) * | 2009-03-30 | 2010-11-04 | Nec (China) Co Ltd | Method and system for detecting state change of object from position data stream |
| WO2010146811A1 (en) * | 2009-06-19 | 2010-12-23 | 株式会社日立製作所 | Behavior suggestion device and method |
| JP2013210848A (en) * | 2012-03-30 | 2013-10-10 | Secom Co Ltd | Security system |
-
2004
- 2004-09-30 JP JP2004288328A patent/JP2006106813A/en active Pending
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2009028441A (en) * | 2007-07-30 | 2009-02-12 | Omron Healthcare Co Ltd | Biological information measuring deice, biological information display method and display program |
| JP2009072326A (en) * | 2007-09-20 | 2009-04-09 | Sony Corp | Portable electronic device having biorhythm evaluating function |
| JP2010250807A (en) * | 2009-03-30 | 2010-11-04 | Nec (China) Co Ltd | Method and system for detecting state change of object from position data stream |
| WO2010146811A1 (en) * | 2009-06-19 | 2010-12-23 | 株式会社日立製作所 | Behavior suggestion device and method |
| JP5216140B2 (en) * | 2009-06-19 | 2013-06-19 | 株式会社日立製作所 | Action suggestion apparatus and method |
| JP2013210848A (en) * | 2012-03-30 | 2013-10-10 | Secom Co Ltd | Security system |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US6810495B2 (en) | Method and system for software rejuvenation via flexible resource exhaustion prediction | |
| JP5427350B2 (en) | Trend prediction device and trend prediction system | |
| US6804630B2 (en) | Method for measuring quantity of usage of CPU | |
| US20080221974A1 (en) | Lazy Evaluation of Bulk Forecasts | |
| JP6052278B2 (en) | Motion determination device, motion determination system, and motion determination method | |
| JP6659049B2 (en) | Blood sugar level prediction device, blood sugar level prediction method and program | |
| JP4793048B2 (en) | Electronic device power saving control method, power saving control system, and program | |
| JP6881289B2 (en) | Disease risk predictors, methods and programs | |
| CN106096226B (en) | A kind of data assessment method, apparatus and server | |
| JP6424562B2 (en) | Failure prediction device, failure prediction system, and program | |
| JP2006106813A (en) | State determination system and state determination device | |
| WO2016163163A1 (en) | Threshold value calculation system, and threshold value calculation method | |
| JP7301343B2 (en) | Health care device, health care system, health care program, and health care method | |
| JP6705894B2 (en) | Biological state prediction device, biological state prediction method, and biological state prediction program | |
| EP3354193B1 (en) | Information processing device, digestion ratio estimating method, information processing system and digestion ratio estimating program | |
| CN110458713B (en) | Model monitoring method, device, computer equipment and storage medium | |
| CN111765898A (en) | Step counting method, step counting device and computer readable storage medium | |
| CN112685390B (en) | Database instance management method and device and computing equipment | |
| CN109186044B (en) | Human body sensing method and device and air conditioner | |
| CN114356705A (en) | Anomaly detection method, device, equipment and medium for equipment of Internet of things | |
| CN115168159A (en) | Abnormality detection method, abnormality detection device, electronic apparatus, and storage medium | |
| CN111523501B (en) | Body mass index prediction method and device | |
| CN114881802A (en) | Metadata-based data asset management method and system | |
| CN107908497B (en) | Step frequency calculation method and device and wearable device | |
| JP2021000461A (en) | System and program |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20070316 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20070501 |
|
| A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20071106 |